-
题名意图感知的社交网络用户城外移动行为预测
被引量：1
- 1
-
-
作者
胥帅
李博涵
许建秋
曹玖新
傅晓明
-
机构
南京航空航天大学计算机科学与技术学院
计算机软件新技术国家重点实验室(南京大学)
东南大学网络空间安全学院
哥廷根大学计算机科学研究所
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第11期2579-2593,共15页
-
基金
国家自然科学基金青年项目(62302213)
国家自然科学基金联合基金项目(U23A20296)
+1 种基金
江苏省自然科学基金(BK20210280)
中央高校基本科研业务费(NS2022089)项目资助。
-
文摘
基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.
-
关键词
移动行为预测
跨城市
意图感知
偏好建模
知识迁移
社交网络
-
Keywords
mobility prediction
cross city
intention-aware
preference modeling
knowledge transfer
social network.
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种融合信息网络结构的数据增强行为预测算法
被引量：3
- 2
-
-
作者
傅晨波
夏镒楠
岳昕晨
俞山青
闵勇
-
机构
浙江工业大学信息工程学院
浙江工业大学网络空间安全研究院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第3期568-573,共6页
-
基金
浙江省基础公益研究计划项目(LGF20F020016,LGF21G010003)资助
国家自然科学基金青年项目(11505153)资助。
-
文摘
随着互联网上用户移动数据的日益繁荣,用户的移动行为预测也成为了预测研究的热点.近年来,循环神经网络(RNN)技术因其高效性和扩展性在移动预测中得到了广泛的应用.但是,目前大部分网上收集到的用户移动行为数据普遍具有稀疏和异质的特性,特别是当用户出于习惯或隐私考虑可能会拒绝向平台提交活动记录.因此在这些稀疏数据集上基于RNN的预测技术无法有效地学习到足够的用户行为特征,从而影响了模型的预测性能.为了解决该问题,本文提出了一种融合信息网络结构的数据增强行为预测算法.具体来说,首先我们将用户历史行为数据转为信息网络图;然后通过该信息网络的模块度来评估用户的信息传递效率;最后根据信息传递效率对用户的朋友数据进行采样,将具有高信息传递效率的朋友数据嵌入到用户数据中对用户数据进行增强.在真实数据集Yelp上的实验结果显示,我们的方法可以起到对现有算法模型增强的作用,所有模型的预测性能都得到了大幅提升.
-
关键词
移动行为预测
信息行为网络
网络模块度
稀疏数据
-
Keywords
mobile behavior prediction
information behavior network
network modularity
sparse dataset
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
